ArrowFlow: Aprendizaje automático jerárquico en el espacio de permutaciones
ArrowFlow: modelo de aprendizaje automático en permutaciones sin parámetros flotantes. Competitivo, robusto al ruido, ideal para hardware neuromórfico.
#aprendizaje automático
Estimación de contribuciones visuales en decisiones humanas en Atari
Descubre cómo la visión periférica y el eye-tracking explican decisiones humanas en Atari. Estudio revela sorprendentes contribuciones.
Flujo de potencia con confianza: garantía probabilística para riesgo de voltaje
Nuevo marco de garantía probabilística para estimar riesgo de voltaje usando procesos gaussianos, reduciendo 15x los cálculos de flujo de potencia.
SDPLR+: Solucionador SDP escalable de bajo rango
Descubre SDPLR+: resuelve SDP con millones de variables usando límites de suboptimalidad y bajo rango. Más rápido y escalable.
Optimización de algoritmos neuro-difusos y de competencia colonial para cáncer de piel
Algoritmos neuro-difusos y de competencia colonial alcanzan 94% de precisión en diagnóstico de cáncer de piel. Descubre cómo esta IA ayuda.
Aprendizaje de DNF mediante representaciones generalizadas de Fourier
Descubre cómo las representaciones generalizadas de Fourier permiten aprender DNF bajo distribuciones no producto. Un avance clave en teoría del aprendizaje automático.
Estimación bidireccional de efectos causales con kernel online
Nuevo método de kernel online para estimar efectos causales bidireccionales con alta precisión y escalabilidad. Ideal para datos masivos en ciencia, negocios y políticas.
RNN factorizado de bajo rango para dinámicas neuronales independientes
Descubre cómo el nuevo modelo FacRNN desenreda dinámicas neuronales latentes para una interpretabilidad sin precedentes en neurociencia computacional.
Un marco Cartesiano-3j para potenciales interatómicos de aprendizaje automático
Nuevo marco Cartesiano-3j logra precisión comparable a modelos esféricos en potenciales interatómicos. Descubre cómo.
Social Caption: Evaluación de la comprensión social en modelos multimodales
Descubre Social Caption: evaluando la comprensión social de modelos multimodales. Tres dimensiones clave: inferencia, análisis holístico y dirigido.
OPAL: Asignación optimizada de etiquetado para inferencia asistida
OPAL optimiza el etiquetado para inferencia precisa, logrando intervalos de confianza válidos con menos muestras etiquetadas. Ideal para medicina y ciencias.
Recuperación exacta en hipergrafos: modelo de bloques estocástico
Descubre cómo recuperar comunidades exactas en hipergrafos no uniformes con algoritmos óptimos. Un umbral preciso incluso si las capas individuales fallan.
Clasificación híbrida de malware con fusión de características secundarias
Descubre cómo un enfoque híbrido con fusión de características secundarias logra un 99.72% de precisión en clasificación de malware. ¡Mejora tu ciberseguridad!
¿Cuándo debe actualizar al profesor? Acoplamiento temporal en destilación
Descubre cómo el período de aislamiento del profesor evita colapsos en destilación autónoma. Presentamos CGTR, que logra cero colapsos en múltiples tareas.
CauTion: Cuándo confiar en los LLMs para descubrimiento causal
Descubre CauTion, un marco que integra LLMs y algoritmos estadísticos para descubrimiento causal con alta precisión y robustez. Ideal para científicos de datos.
FFR: Aprendizaje Forward-Forward para Regresión
Descubre FFR, el primer algoritmo Forward-Forward para regresión que iguala el 98.6% de precisión de backprop con solo un 27% de memoria. ¡Innovación en IA!
SEFT: Ajuste fino disperso para LLMs con evolución de la dispersión
Descubre SEFT, un método de ajuste fino que permite a los LLMs dispersos evolucionar su estructura manteniendo eficiencia. Supera a métodos existentes.
Typhoon: Estrategia de enmascaramiento adaptativo para modelos de lenguaje
Typhoon propone un enmascaramiento basado en gradientes para modelos de lenguaje. ¿Supera al enmascaramiento aleatorio? Los resultados no muestran mejoras significativas.
DeMuon: Muon Descentralizado para Optimización de Matrices en Grafos
DeMuon: primer método descentralizado para optimización de matrices en grafos con garantías. Supera a otros en entrenamiento de transformers.
Aprendizaje por Refuerzo Multiagente Cooperativo Condicionado por Autómatas
Descubre ACC-MARL: un nuevo enfoque de aprendizaje por refuerzo multiagente que utiliza autómatas para coordinar tareas complejas de forma óptima y eficiente.